Notre approche hybride convient très bien aux projets de vision par ordinateur.
L’un de nos premiers problèmes de vision par ordinateur portait sur la détection de saucisses en temps réel dans de grands supermarchés. Notre système veillait à ce que les saucisses grillées soient bien cuites et à ce que la production soit optimisée en fonction des meilleurs vendeurs.
Suivre en temps réel de petits objets quasi identiques, sans Internet
En AA, il y a ce dicton : à données douteuses, résultats douteux. Pas si vite. Avec notre hybridation de l’AA et de la RO, nous avons bâti un système qui prend de mauvaises entrées et produit tout de même de bons résultats.
Dans ce problème, il y avait de nombreux objets petits et identiques — rien ne ressemble plus à une saucisse qu’une autre saucisse — que nous devions suivre en temps réel. Tous les calculs devaient se faire sur un ordinateur en périphérie, sans accès à Internet. De plus, les données étaient de piètre qualité — de la buée sur les caméras — et parfois inexistantes, la chaleur mettant certaines caméras hors service.
Une approche purement AA ou apprentissage profond n’aurait pas suffi à résoudre ce problème. Notre système a su contourner la qualité des entrées et fournir une solution robuste en temps réel.